Hiyerarşik Kümeleme
Hiyerarşik Kümeleme, MerQur’da otomatik uygulanan istatistiksel analizlerden biridir. Bu sayfada Spor Bilimleri alanına ait örnek veri seti üzerinde analizin nasıl uygulandığı, MerQur çıktısının nasıl görüneceği ve APA 7 formatında nasıl raporlanacağı temsilî olarak gösterilmiştir.
🎯 Ne işe yarar?
Hiyerarşik Kümeleme, ilgili veri türü için gerekli tüm varsayım kontrollerini (normallik, varyans homojenliği, vb.) arka planda otomatik uygular ve sonuçları açık bir tablo + grafik ile sunar. APA 7 standardında otomatik yorumlama, Cohen’s d/η²/R² gibi etki büyüklükleri ve %95 güven aralıkları raporlanır.
📌 Ne zaman kullanılır?
- Spor Bilimleri alanına ait ölçümlerin istatistiksel analizinde
- Akademik yayın için APA 7 uyumlu sonuç tabloları üretmek için
- Hipotez sınama ve karar verme süreçlerinde
- Lisans / yüksek lisans / doktora tezlerinde uygun yöntem seçimi sonrasında
📐 Varsayımlar
- Uygun ölçek — Değişkenler analizin gerektirdiği ölçek düzeyinde (nominal/ordinal/aralık/oran) olmalı
- Bağımsız gözlemler — Gözlemler birbirinden bağımsız bireylerden gelmiş olmalı
- Yeterli örneklem — Analiz için minimum n gereksinimi karşılanmalı
- Aykırı değer kontrolü — Aykırı değerler tespit edilip değerlendirilmeli
Varsayımlar bozulursa MerQur otomatik olarak non-parametrik veya sağlam (robust) alternatife yönlendirir.
🛠 MerQur’da Nasıl Yapılır?
Veriyi yükle. Dosya → Aç menüsünden örnek dosyayı seç. MerQur sütun tiplerini otomatik tespit eder.
Analizi seç. Sol kenardan Hiyerarşik Kümeleme‘yi seç.
Panel atamaları (programdaki form alanları):
- Sütunlar:
[sporcu_id, feat_01, feat_02, +8 daha] - Küme sayısı:
4 - Linkage:
ward - Eksik strateji:
drop
Opsiyonel ayarlar. Etki büyüklüğü ✓ · %95 güven aralığı ✓ · Varsayım kontrolleri (otomatik).
▶ Çalıştır butonuna bas. Sonuçlar tablo + grafik olarak otomatik üretilir.
📄 Word’e Aktar. APA 7 formatında, italik istatistik sembolleriyle rapor.
📊 Örnek Veri Seti — Spor Bilimleri
ℹ Not: Aşağıdaki senaryo, MerQur çıktısı ve yorum, gerçek örnek veri seti MerQur’da çalıştırılarak elde edilmiştir. Kendi verinizdeki sayısal sonuçlar farklılık gösterecektir; buradaki amaç analizin uçtan uca nasıl kurgulandığını ve yorumlandığını göstermektir.
🎬 Örnek Dosya
Bu analiz, Spor Bilimleri alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Spor_Bilimleri/67_hierarchic_5tur.xlsx
🎬 Senaryo
Sporcuları on özelliğe göre hiyerarşik olarak kümeliyoruz; iç içe geçmiş grup yapısını ortaya çıkarmak için hiyerarşik kümeleme uygun bir yöntemdir.
⚙️ Değişken Seçimi
- Değişkenler: feat_01..10
- Küme sayısı: 5
Veri Önizleme (İlk 5 Satır)
| athlete_id | type | feat_01 | feat_02 | feat_03 | feat_04 | feat_05 | feat_06 | feat_07 | feat_08 | feat_09 | feat_10 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | sprint | 0.866 | 0.703 | 1.365 | 0.107 | -1.056 | 0.617 | 0.524 | -2.95 | 1.293 | 0.02 |
| 2 | sprint | -0.779 | -1.194 | -0.013 | -0.562 | -0.348 | -1.781 | -2.162 | 0.833 | -0.466 | -0.76 |
| 3 | sprint | 0.531 | 0.525 | 0.759 | -1.651 | -0.662 | -0.71 | -0.117 | 1.39 | -0.786 | -0.59 |
| 4 | sprint | 0.204 | 0.909 | 0.674 | 0.713 | -0.074 | 0.161 | 1.025 | -0.887 | -0.226 | 0.654 |
| 5 | sprint | 0.48 | -0.781 | -0.61 | -1.217 | -1.163 | 0.72 | 1.691 | 0.679 | -1.241 | 0.337 |
n = 40 · Sütunlar: athlete_id, type, feat_01, feat_02, feat_03, feat_04, feat_05, feat_06, feat_07, feat_08, feat_09, feat_10
📈 MerQur Çıktısı
💬 MerQur Yorumu
Sporcuları on özelliğe göre hiyerarşik kümelemeyle 5 gruba ayırdık (silhouette = 0.11, zayıf ayrışma; gruplar kısmen iç içe). Hiyerarşik kümeleme, gözlemleri adım adım birleştirerek bir ağaç (dendrogram) kurar; k-means’ten farkı, küme sayısını önceden belirlemek zorunda olmaması ve iç içe yapıyı görünür kılmasıdır. Spor bilimlerinde sporcu gruplarının hiyerarşisini (ana grup -> alt grup) keşfetmede ve doğal küme sayısını dendrogramdan okumada kullanılır.
⚠ Sık Yapılan Hatalar
- Veri tipini yanlış belirlemek (örn. kategorik değişkeni numerik olarak yüklemek)
- Varsayım kontrollerini atlayıp doğrudan p-değerine bakmak
- Etki büyüklüğünü raporlamamak — APA 7 hem p hem etki büyüklüğü ister
- Çoklu karşılaştırmada Tip I hatası düzeltmesi (Bonferroni/Tukey) yapmamak
- n yetersiz olduğunda non-parametrik alternatife geçmemek
📹 Video Anlatım
Bu analizin Spor Bilimleri dosyası üzerinden uçtan uca uygulanışı için aşağıdaki videoyu izleyebilirsin.
▶ Hiyerarşik Kümeleme — video anlatım
Bu bölüm, Kümeleme ve Boyut İndirgeme videosunun içinde yer alıyor (6 analiz, tek video). Aşağıdaki bağlantı doğrudan 1:32 dakikasından, bu analizin anlatıldığı yerden başlar.
🎓 Eğitim Bilimleri · 🧪 Fen Bilimleri ve Matematik · 🏛 Mimarlık, Planlama ve Tasarım · ⚙ Mühendislik · 🏥 Sağlık Bilimleri · 📊 Sosyal, Beşeri ve İdari Bilimler · 🌾 Ziraat, Orman ve Su Ürünleri
📚 Bu Analizi Yaptıysanız MerQur’u Atıf Yapın
MerQur’u kullanarak bilimsel bir çalışmada bu analizi gerçekleştirdiyseniz, akademik atıf zorunluluğu kapsamında lütfen aşağıdaki atfı kullanın (APA 7):
Örücü, Ö. K. (2026). MerQur: Bütünleşik Akademik Veri Analizi ve Raporlama Platformu [Bilgisayar Yazılımı] (Sürüm 1.0.0). https://doi.org/10.53463/merqur.2026001
BibTeX, RIS, EndNote ve İngilizce karşılığı için: tüm atıf formatları →
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.